苔藓之火

Podcast · 生活休闲

苔藓之火

充满强大好奇和个人色彩的商业故事访谈节目

主播 0xRaymond 出品 0xRaymond 生活休闲 · 休闲 2.7 万 订阅 62 集 3天前更新

在小宇宙收听

简介

争取赚个大钱,要不然也要活得精彩。有启发,不焦虑,没爹味。 主理人:Raymond - 爬过藤校,纽约敲过钟,投过独角兽,创业受过伤,目前的人生目标是网球3.0。 如需联络,可以在评论区中留下你的联络方式和来意。

62. 后黄仁勋时代:一切还一样吗?- TC / Trader韭

62. 后黄仁勋时代:一切还一样吗?- TC / Trader韭

苔藓之火

“以前的两条捷径都没有,只能从头干。回到五年前了。” “唯一的火种,就是老黄;唯一的火种已经没了。” “4万亿估值一个人就占了2万亿” “AI泡沫的演进速度真的是三倍速在进行。” “你需要真的是需要中国自己的英伟达,否则搞不定。” 主持:Raymond - 科技投资人,苔藓之火主播 小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |X | 公众号:苔藓之火 嘉宾:Tan Cong - Bedrock 主播 | 本拾投资 创始人 | 公众号:Bedrock 嘉宾:Trader韭 - 投资博主 本期文字版:中文全文 | English version Show Notes * 00:12 开场:黄仁勋离开创业三十多年的英伟达,资本市场与AI行业迎来重大变化。 * 01:47 嘉宾第一反应:震惊,黄仁勋对英伟达和AI革命的影响被类比乔布斯对苹果。 * 04:37 交易视角:从“利空出尽”到第二个高管事件,判断事情可能被“往死里整”。 * 07:22 美国公司体制与未知信息:三十多年创始人为何被迅速赶出,后续可能还有信息浮现。 * 08:55 继任者难题:CFO临时兼任CEO,未来权力分散、公司可能平庸化。 * 10:23 乔布斯-库克类比:AI势头从顺风猛冲转向平坦化、收敛化,需求和供应两端同时敲警钟。 * 13:48 从创业态到稳定态:英伟达可能从高增长aggressive公司转向更稳健、更重股东回报的公司。 * 16:03 受益/受害框架:GPU/ASIC竞争对手、CSP自研、国产半导体短期受益;中长期看硬件是否让利应用。 * 20:15 份额与毛利:英伟达份额长期有从80%降到40%的担忧,75%毛利和premium定位难维持。 * 23:40 “饼”会不会变小:CSP预算占80%,明年AI硬件总需求可能边际负面,但未必断崖。 * 27:43 护城河讨论:英伟达已是system provider/comprehensive offering,不只是CUDA;但CSP客户竞争力削弱更明显。 * 29:25 下一任CEO候选:ARM CEO Rene Haas约28%、CUDA创始人Ian Buck约16%,但无人能替代老黄全部职能。 * 36:31 公司治理与阴谋论:无AB股、老黄股份少、非董事长;对比马斯克的控制力,英伟达董事会支撑不足。 * 38:08 开源与蒸馏:premium模型公司有动机打压开源/蒸馏,Anthropic IPO窗口变窄,AI泡沫三倍速演进。 * 39:56 中国影响与建议:阿里等CSP受算力卡和大模型竞争力压力;中国公司需自强芯片,捷径消失只能从头干。 核心观点总结 1. 事件冲击极大:黄仁勋离开英伟达被类比为“乔布斯离开苹果”,甚至认为没有老黄,这一轮AI革命不会这么顺利。 2. 继任者难寻,英伟达可能走向“平庸化”:CFO临时兼任CEO,说明没有明确后任者;未来权力大概率分散,技术、供应链、融资、华尔街关系很难由一人同时掌控。 3. 短期 legacy 仍在,长期份额和估值承压:英伟达的system provider能力、软件生态、系统架构仍有竞争力,但premium定位和高毛利可能被削弱,份额有从80%向40%下降的长期担忧。 4. AI浪潮从“猛冲”转向“收敛”:资本开支预期可能从线性高速增长转向平坦化;需求和供应两端同时收到警钟,台积电、韩国memory、CSP、new cloud都会更谨慎。 5. 受益/受害框架:短期直接受益的是GPU/ASIC竞争对手、自研ASIC的CSP、国产半导体;中长期看硬件是否继续拿大头,还是让利给应用层。 6. 英伟达护城河不只是CUDA:更重要的是comprehensive offering/system provider能力;但对CSP客户,竞争力削弱更明显;对enterprise整体解决方案客户,英伟达仍强。 7. CEO候选人概率领跑但无人能替代老黄:Polymarket上ARM CEO Rene Haas约28%、CUDA核心创始人Ian Buck约16%,但嘉宾认为没人能handle老黄全部职能。 8. 公司治理是重要背景:英伟达没有AB股、老黄股份不多、非董事长,遇到风波时缺少足够支撑;对比马斯克在特斯拉/ SpaceX的控制力。 9. Anthropic IPO窗口变窄:AI泡沫演进“三倍速”,融资窗口短;中期选举前后可能是关键窗口。 10. 开源/蒸馏与地缘竞争:头部premium模型公司有动机打压开源和蒸馏;中国CSP、开源模型受算力卡和大模型竞争力双重压力。 11. 中国公司建议:自强芯片,捷径没了:以前可以跳过造芯片、跳过预训练/蒸馏,现在只能从头干;需要“中国自己的英伟达”,但设计、制程、客户和商业化都很难。

89 分钟 5k+ 次播放 3天前

61. 在Harvey训练大模型是什么体验?- Joey Wang

61. 在Harvey训练大模型是什么体验?- Joey Wang

苔藓之火

“法律的后果会比代码更严重。” “我们永远都是能够做一个在法律中去做一些决策权……甚至能提供 intelligence level,能够提供在法律中做决策一些 taste。” “很多东西模型公司没有办法去解决,甚至 lab 要去做,他也没有办法替我们说这个模型会在法律更好。” “当你一个 agent 就能看到 30 个文件和看到 3000 个文件的时候,你不管什么样的模型,看到 3000 个文件的 agent 都会有更好的收获。” “模型是验证你这个公司能不能作为上市公司、能不能有很好的 profit margin 而做的一个事情。” 主持:Raymond - 科技投资人,苔藓之火主播 小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |公众号:苔藓之火 本期文字版:中文全文 | English version 嘉宾:Joey Wang - Harvey Linkedin, Prev. Figma, Uber, Google Show Notes 00:12开场:Harvey 估值 155 亿美元、3500 客户、85 国;垂类护城河之问 01:06Joy 背景:Harvey agents/云端 H 平台 Spectre,前 Figma、Uber 02:40为什么 2023 年加入 Harvey:GPT 早期体验、PHD recruiter、conviction 05:18大厂 vs 创业公司:审批与部门拉扯 vs 快速 build/ship 07:32Harvey 产品形态:嵌入律师工作流、connector、邮件文档、redline 12:09Redline 与 track changes:谁改的、为什么改、可追溯;律师工作变小 15:19公司名 Harvey vs Mike:提供决策 taste,不只是繁琐工作 18:24大模型迭代是否取代垂类功能:workflow builder → agent builder 22:35何时决定做模型:客户理解、benchmark、synthetic data、post-train 商业化 27:29Taste:法律要长篇大论、每句有索引,不是简短就好 28:14模型选择:Kimi/GLM/千问/DeepSeek,按场景 post-train,orchestrator 调度 33:33Tana/Tenant:内部旗舰训练方向,用 Kimi K3 训 1.0,方法可迁移 38:50Benchmark 难点:法律难对齐、分层任务、playbook、内部法律团队、专家 taste 45:18垂类训模型人才与坑:早期瓶颈是产品;开源最好模型是下限;失败是常态 52:25工程优化立竿见影:搜索 2 秒→200ms,30→3000 文件;Spectre 与安全信任 核心观点总结 1. Harvey 是法律垂类 AI 应用,但它的护城河不只是“套壳” Harvey 估值 155 亿美元,3500 客户、覆盖 85 国,美国前 100 律所约 80% 在用。它的核心不是做一个聊天框让律师来用,而是嵌入律师原本的工作方式:Word、Excel、Outlook、文档系统、邮件、合同审查,通过 connector 连接数据,输出可追溯的 redline。 2. 垂类应用的关键是“meet with customer”,不是把用户拉到新平台 律师真正的工作发生在 Word、Excel、Outlook 和大量文档里。Harvey 的产品形态要映射律师已有的工作流,而不是要求他们重新学一套平台。最终交付物仍然是 Word 文档,但带有 redline、修改解释、来源追溯。 3. Redline 和 track changes 是法律场景的关键产品设计 普通 GPT 可能直接改文档,律师还得“大家来找茬”;Harvey 输出 redline,标明谁改的、为什么改、是 Harvey 改的还是对方律师改的,律师只需 check/accept,工作变小而不是变大。 4. Harvey 与模型的关系是相辅相成,不是简单调用 API 早期用 GPT-3.5/4 做法律 demo,OpenAI 是投资人,双方有 pretrain 合作。Harvey 很早就是 legal model research company,只是今年才到可商业化阶段:客户足够多、benchmark 和 synthetic data 能力成熟,后训练变得更可行。 5. 模型策略:不做大而全,做小而美、场景专用,用 orchestrator 调度 Harvey 会公开试用 Kimi、GLM、千问、DeepSeek 等开源模型,按场景做 post-train;不同模型在不同任务上有差异,最后用强模型做 orchestrator/delegation,像“图书馆前台帮你找对应的书”。 6. 后训练的核心不是堆 research 人力,而是 benchmark 和 taste 法律 benchmark 很难对齐,需要分层任务、playbook、yes/no 评测、内部法律团队和领域专家 taste。Harvey 的 benchmark 要不断接近用户真实场景,甚至预测用户未来会用的场景。数据规模化可与 Surge 等合作,但前期方向和质量判断留在内部。 7. 垂类公司训模型最大的坑:开源最好模型只是下限 如果开源最好模型在法律上已经能打 OpenAI/Anthropic,后训练必须比它更好才有意义。失败是常态,只是早期失败不会写进 blog。模型训练是长期学习过程,工程优化往往更立竿见影。 8. 工程 harness 的价值被低估:搜索从 2 秒到 200 毫秒,效果天差地别 document search 从 2 秒降到 200 毫秒,agent 一分钟内能从搜 30 个文件变成 300 个;从串行到并行,再从 300 到 3000 个文件。模型不变,agent 能看到 3000 个文件,效果也会更好。 9. 人才结构反直觉:早期瓶颈是产品,不是 research Harvey 早期都是 researcher,但真正缺的是 PM、designer、产品 spec。做模型不一定需要大量 research 人力,更需要懂法律、能跟专家提炼 taste 的人;律师自己也能用 coding agent 写 benchmark/evaluation engine。 10. Spector:云端 sandbox agent,解决多人协作与可验证性 Joy 做的内部产品 Spector,把 coding agent 放进沙盒,在 Slack 里多人可 tag、共享 runtime/context/trace。解决的是五个人各自跑 agent、结果不可验证的问题。落地难点不是实现,而是权限、安全边界、信任:谁能让 agent 看什么、能不能 bypass 代码 review 规则。 11. 小律所市场:Harvey 偏 SLG,不急于 PLG 法律后果比代码严重,self-serve 容易让用户误以为 Harvey 对结果负责。Harvey 更愿意找 design partner、有供应商制度、能管好结果的客户,而不是急速扩张让所有人用。

71 分钟 3k+ 次播放 1周前

60. 美国中期选举的账单来了:关税,油价,电费,我的股票 - Gavin Newton-Tanzer

60. 美国中期选举的账单来了:关税,油价,电费,我的股票 - Gavin Newton-Tanzer

苔藓之火

“你允许了狐狸进了鸡窝。” “德州变成蓝色,肯定有很多人做梦。” “是他们想象不到川普会做这么多的犯这么多的错误。” “Every election is about turnout,make them show up to the polls.” “美国老百姓已经很多年不太信任大企业了。” “你抓了30万人,但是1000万人现在生气了、害怕了。” “皇帝的新衣,大家不敢说实话。” “John Ossoff cross check all the boxes,他证明了在红州还能赢。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |公众号:苔藓之火 嘉宾:Gavin Newton-Tanzer - Sunrise 出海服务 总裁 - Linkedin | 小红书|视频号 哥伦比亚大学(政治学)校友,新泽西州注册选民 Gavin主业帮助中国创业公司出海,如果想和他联络,请在评论区留言 本期文字版:中文全文 Show Notes 00:12开场:中期选举尘埃落定,民主党拿下参众两院,德州翻蓝,特朗普输了 02:49Gavin自我介绍:康州/新泽西,中间偏左民主党,投过Romney但从未投Trump 04:58中期选举科普:参议员每两年改选三分之一,众议院全部改选 07:082024年真相:民主党选民生自己党派的气,拜登退选跳过primary,哈里斯被“强加” 09:30通胀与油价:一箱油从32美元到60美元,伊朗战争后飙升,特朗普说“没有通胀” 13:05候选人质量 vs 特朗普因素:德州肯尼迪对克鲁兹式对比,但更大原因是特朗普 16:39深红州翻蓝:德州、堪萨斯、南卡、北卡;州长参议员长期影响 21:41特朗普的“诅咒”:初选讨好特朗普才能过,大选因讨厌特朗普而输 24:27JD Vance困境:太子变靶子,必须与伊朗战争切割,共和党初选必被攻击 27:58国会权限:不能直接结束战争,但可用预算、传唤、听证会折腾马斯克和特朗普周边 36:08数据中心争议:NIMBY、AI焦虑、电价水污染、美国去工业化后心态没准备好 39:24企业与社会契约破裂:从建学校图书馆铁饭碗,到profit extraction、CEO薪资上涨 46:26就业结构错配:700万找工作、700万空缺,白领多蓝领缺,文化洗脑“不上大学是二等公民” 49:46ICE争议:1000万黑工只遣返二三十万,但抓错人、母子分离视频影响选情 55:32跛脚鸭政府:短期对企业是好事“终于可以睡觉”,长期对老百姓不好;2028展望 核心观点总结 1. 2026美国中期选举出现“蓝色海啸”,民主党大胜 民主党拿下众议院435席中的240席,参议院100席中的54席,参众两院全归民主党。德克萨斯州州长翻蓝,1988年后首次赢下参议院席位,多个深红州倒戈。特朗普输了。 2. 2024年不是民主党弱,而是民主党选民“生自己的气” 拜登承诺只做一届、交棒年轻一代,却在临近大选时退选,跳过党内初选(primary),直接提名哈里斯。许多中间派民主党人不接受“被要求接受一个不情愿的人”,选择待在家里不投票。这批人去了特朗普那边。 3. 通胀是这次翻蓝的最大原因,伊朗战争是直接导火索 美国人每天加油、去超市,油价从2020年一箱32美元涨到2026年10月近60美元,翻了一倍。特朗普说“我不在乎通胀,没有通胀”,但老百姓感受到了。伊朗战争后油价直接飙升,民众无法接受。 4. 候选人质量(candidate quality)有影响,但更大原因是特朗普 德州肯尼迪对泰迪·克鲁兹式的对比很明显:一个形象家庭都正,一个自己差不多是罪犯。但即便有好候选人,在特朗普没打伊朗之前也打不进去。这次是特朗普把整个党派拉下去了。 5. 特朗普对共和党的控制可能变成“诅咒” 深红州共和党初选即大选,候选人必须讨好特朗普才能过初选,但大选时选民因讨厌特朗普而投民主党。特朗普允许“狐狸进了鸡窝”,现在有了后果。未来两年共和党内部会出现与特朗普切割的比赛,但没人敢切太远。 6. JD Vance处境艰难,“太子”变靶子 他本以为自己能继承特朗普所有支持者,现在必须既满足特朗普又保持一定距离,尤其是与伊朗战争切割。共和党初选辩论中,所有人都会攻击他是最接近特朗普的人。2028年共和党候选人未必是Vance。 7. 国会没有直接结束战争的权力,但有用预算和传唤权折腾的空间 民主党可以通过预算作为杠杆与特朗普谈判,但特朗普享受斗争,未必有用。更可能发生的是大量传唤、听证会、要求提交资料,马斯克、特朗普周边的人、内阁部长都会被叫到国会问话。AOC等人会利用这个舞台拍“tiktok video”成为全国性人物。 8. 数据中心成为美国政治争议焦点,本质是AI焦虑的具象化 “美国人情愿住在核电站旁边也不愿住在数据中心旁边”不是真的,但传播的是真实心态。邻避效应(NIMBY)强烈,老百姓对AI取代工作、电价、水、空气污染有焦虑,数据中心是可以实实在在抗议的点。美国去工业化太久,突然同时进行几百个大基建项目,心态没准备好。 9. 美国企业与社会契约破裂,从“社会贡献”转向“利润榨取” 过去企业建厂会带动整个城市、给学校图书馆捐款、提供铁饭碗;现在企业分散、CEO只看股价和估值,CSR减少,利润榨取增加,CEO薪资上涨。老百姓对大企业不信任。数据中心最后会通过谈判给地方电费补贴、建学校、承诺高薪职位来换取支持,但需要重建社会契约。 10. 美国就业市场是结构性错配,不是没有工作 失业率约4%,700万人找工作、700万空缺,但白领候选人多、蓝领(电工、护士、焊接、屋顶)严重短缺。美国文化长期洗脑“不上大学就是二等公民”,导致很多人不愿接受仓库、医院、学校的工作,也不愿去底特律、哥伦布、克利夫兰、奥斯汀、达拉斯。 11. ICE过度执法伤害了共和党选情 美国约1000万非法黑工,实际被遣返仅二三十万,但ICE新招人员培训不足、手重,抓错人、母子分离等视频在TikTok上几百万播放。不仅1000万人害怕,合法移民也害怕。共和党想控制移民,但“不是要杀人、不是要把孩子和母亲弄开”,这影响了选举。 12. 进入“跛脚鸭”政府,短期对企业可能是好事 总统和国会分属两党,互相制衡,企业认为“终于可以好好睡觉”,政府会花大量精力内斗而不是出政策。短期对经济只有好处没有坏处,长期对老百姓不好。特朗普前两年没有制衡,“皇帝的新衣”没人敢说no,现在有了check。 13. 2028年大选:民主党方面John Ossoff势头强劲 他在Polly Market上24小时内从较低概率翻倍到20%,超过JD Vance的17%。原因:南方民主党人、白人男性、重视家庭、赢下深红佐治亚州、年轻(1987年生)、campaign on working class Americans and living costs、没得罪什么人。但他本人说“不考虑2028”,这是参议员的标准说法,不一定真。

68 分钟 12k+ 次播放 1周前

紧急加更:科创50跌成科创25之后,费半也要更名费2.5吗?- 慧客堂 X 苔藓之火

紧急加更:科创50跌成科创25之后,费半也要更名费2.5吗?- 慧客堂 X 苔藓之火

苔藓之火

“上周整个科技股的行情,可以属于是一个地狱级别的行情,当然地狱也分很多层。” “中国一级、中国二级、美国一级、美国二级,这四个地方分别都在四个不同的时空,他们是平行宇宙。” “美国这1000亿能够养非常多的公司,但中国的收入可能养不那么多公司。” “怎么有人可以120亿美金融第一轮?120亿美金都可以把中国的科技巨头收购掉了。” “一级还在抢算力,但二级你看 CoreWeave 的 CDS 已经在计算它什么时候会违约了。” “中国的问题,现在我认为其实不是有泡沫,而是泡沫不够大。” “酒壮怂人胆。对于我们这些做投资人来说,我们的胆是谁给的?是我们背后的资本给的。” 主持:董艺婷,《慧客堂》主播,至明科技创始人,慧度资产总经理 嘉宾:Raymond - 科技投资人,苔藓之火主播 社交媒体:小红书 |B站 |抖音 |视频号|Youtube|Substack | Linkedin|即刻 |公众号:苔藓之火 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 Show Notes 00:12紧急加更:科技股“地狱分层”,A股、美股、杠杆资金多层受伤 03:03录制时点:市场情绪接近临界点,群聊与问询密集 04:36Raymond 美国一个月观察:科技圈、创业者、投资人、生态伙伴 06:24中美温度差:美国链主带动生态,中国付费少、生态体量不同 07:49美国一级泡沫在 New Labs:Thinking Machines Lab 高估值融资困难 10:56算力紧缺:New Cloud 生意好、DeepMind 缺卡、一二级裂痕 14:46四个平行宇宙;六派听友;24年9月判断与“所有人转向科技”的危险信号 21:51谁能赚高波动钱:产业杠杆、大资本、早参与抽本金、反对杠杆 24:21科技有前景所以有泡沫;2026 vs 2021 泡沫打七八分 27:26中美估值差异:一级生态、接力资金、上市即C轮、并购退出少 33:12“中国不是泡沫而是泡沫不够大”;创一代思维与二级股价负循环 38:15股价为何跟随:互相投资、盈利外溢、共同流动性、一人一票 40:06AI资本开支:繁荣证据 vs 折旧与几万亿收入覆盖担忧 45:52泡沫难识别;Michael Burry 案例;按仓位和敞口做应对 54:40资产配置与再平衡;A股换美股易双打脸; 01:10:29 产业链信号与无人机拍星际之门 核心观点总结 1. 这是一期因科技股剧烈调整而“紧急加更”的节目 上周科技股行情被形容为“地狱级别”,A股、美股、杠杆资金多层受伤。录制时市场情绪接近阶段性临界点,电话、群聊问询密集。 2. 中美科技产业处在不同“时空”,甚至是四个平行宇宙 美国一级市场欣欣向荣:OpenAI、Anthropic 等链主带动大量服务公司,算力、数据、服务需求强;中国付费意愿和收入体量相对小,生态繁荣程度不同。中国一级、中国二级、美国一级、美国二级各有各的温度。 3. 美国一级市场最大的泡沫在 New Labs Thinking Machines Lab 无产品却高估值融资,后续高估值融资困难;很多 New Labs 没有明显 PMF。但美国并购退出活跃,Cursor、World Labs 等大额交易支撑生态正反馈。 4. 美国算力依然紧缺,一二级市场出现裂痕 New Cloud 生意很好,初创公司难拿算力,DeepMind 内部也缺卡。一级还在抢算力,二级却已在用 CDS 计算 CoreWeave 何时违约,一二级感受差别很大。 5. 科技产业有前景,所以科技股必然可能有泡沫 科技行业长期发展已是共识,但股票价格会透支未来。估值不只来自基本面,60%以上取决于背后资金的风险偏好、资金期限和承受风险的能力。 6. 中美估值不能简单横向比较,生态和接力资金差异很大 美国从天使到二级、并购退出链条完整;中国一级生态单薄,很多公司上市时只相当于美国 C 轮状态,并购退出少,估值层次拉不开,二级行情也难持续。 7. “中国不是有泡沫,而是泡沫不够大” Raymond 认为中国问题不是泡沫太大,而是支持创新的资金、并购和接力生态不够。中国老板多为创一代,资本思维较弱;二级股价低估时也不愿用股票收购。 8. 泡沫很难被识别和预测,普通投资者不必不自量力 短期预期差、信息不对称、技术迭代速度都让“泡沫破裂时点”极难判断。Michael Burry 长期唱空、靠 Substack 赚钱的例子说明:悲观者正确,乐观者挣钱,但预测对不等于做对。 9. 资产配置和再平衡是保护,不是精准逃顶 资产配置通过分散和再平衡,把高波动资产可能带来的损失控制到可承受范围,保护家庭财富,让你能淡定等待。它不能承诺精准逃顶。 10. 高波动市场里,先对号入座自己的资金性质和投资模式 能从头赚到尾的人,要么有产业杠杆,要么有庞大资本且无杠杆、无支出压力;部分赚到的人往往早期参与并已抽回本金。反对杠杆,反对在情绪临界点追涨杀跌。 11. AI 资本开支既是繁荣证据,也有折旧和收入覆盖的长期担忧 美国缺工人、缺电、缺数据中心,资本开支需求旺盛;但每年上万亿美元开支对应未来折旧和几万亿美元收入,市场会担心“地球上哪来这么多钱”。 12. 产业链上游信号可看芯片租赁价、内存现货价等,但二级市场领先指标基本是“最后最后” 专业机构会用无人机拍星际之门工地、热感应看机器是否运转;普通人看 A100 租赁价、内存现货价更可执行。不要指望在二级市场找到真正的领先指标。

76 分钟 20k+ 次播放 2周前

评价

还没有人评价。听过的话,留个分数和一句短评吧。

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧